自從那篇著名的論文《Attention is All You Need》問世以來，Transformer 架構(gòu)不僅首次賦予了機器 Attention、推動了 AI 技術(shù)的飛躍，也進一步促進了人類對注意力機制的研究，促使我們以全新的視角重新審視自身對信息的感知與理解。

有趣的是，人工智能正通過不斷演進的注意力機制，變得更專注、更目標導向、更具長期思維；而人類卻在洶涌的生成式內(nèi)容中愈發(fā)迷失，變得迷茫、割裂，碎片化。

之所以會出現(xiàn)這種差異，本質(zhì)上是因為 AI 和人類的注意力機制截然不同。

信息越密集，對注意力的要求就越高，能耗也越大。然而，AI 消耗的是算力，可以通過增加計算單元做加法；人類消耗的則是心力，只能靠聚焦與克制做減法。

前者容易，后者難。

特別是隨著世界運轉(zhuǎn)速度的加快，保持專注和收攏注意力變得越來越困難。我們的注意力機制正在逐漸失效，甚至崩潰，導致許多人失去了獨立判斷的能力。

結(jié)果是，世界的分化程度日益加劇。

這種分化在社會的各個層面都有所體現(xiàn)，包括宏觀的地緣政治、中觀的貧富差距，以及微觀的夫妻關系。

過去，人們能夠在面對波動時進行獨立判斷，之后形成共識，然后攜手共渡難關，形成「你好我也好，你差我也差」的局面。然而，現(xiàn)在「你差我好」或「我差你好」的情況卻愈加普遍。

因此，可以說，當今世界許多問題的根源在于我們的注意力失控了。

為了更好地說明這一點，我們可以嘗試從信號處理的角度，先來理解一下注意力機制。

任何一個信號系統(tǒng)，基本結(jié)構(gòu)都可以簡化為「輸入——處理——輸出」。

人類也不例外。眼、耳、鼻、舌等感官器官就像傳感器，負責將外界的信息傳遞到我們的大腦中。這些信息在進入大腦后會被加工處理，最終以某種形式轉(zhuǎn)化為行動輸出。我們輸出的行動可以是看得見的動作、語言或表情，也可以是看不見的想法、判斷或偏好。

所以人類也可以被進一步概括為一個「感知——處理——行動」的信號系統(tǒng)。

但人類的這三項能力之間存在巨大的鴻溝。

人的視網(wǎng)膜每秒接收到的信息量約為 10^9 比特，相當于一段兩分鐘的 480P 視頻；大腦每秒能處理的信息量，只有 10^6 比特，約等于一本小說的容量；而最終真正能轉(zhuǎn)化為行動的輸出帶寬更低，僅有 10^1 比特，也就是一條指令的水平。

所以我們的感知能力遠大于處理能力，處理能力又遠大于輸出能力。

那怎么辦呢？

在信號處理中，為了解決這類問題，我們會引入濾波器來「去噪」，也就是過濾出信號、剔除掉噪聲。

對于人類而言，為了解決信息過載的問題，我們也進化出了一種主動過濾器——注意力機制。這個機制能夠幫助我們在信息洪流中忽略大量無關的噪音，并能根據(jù)我們目標的變化靈活調(diào)整，確保我們始終能專注于最關鍵的信息。

例如，當我們聚焦于某一個人時，眼中幾乎只剩下這個人，周圍的一切聲音和畫面都會自然消失。這，就是注意力濾波器在起作用。

一個真正專注的人，能夠在不同情況下過濾出最重要的信號。這些信號就是我們常說的主要矛盾，也就是事物演化過程中的關鍵變量。

相反，一個不夠?qū)Ｗ⒌娜藙t很容易被信息裹挾，或者被他人的節(jié)奏帶走，變得人云亦云。

這是因為當我們的注意力機制崩潰時，我們會放棄主動感知世界，轉(zhuǎn)而去處理高刺激信息，或者直接依賴他人的行為來進行判斷。

于是，「抱團取暖」的現(xiàn)象也就變得越來越普遍。比如現(xiàn)在火的賽道特別火，哪怕是已經(jīng)明顯出現(xiàn)泡沫的領域，依然有大批人爭先恐后地往里擠，而涼的賽道則完全無人問津。再比如涼的賽道可能突然就火了、火的賽道也可能突然就涼了。

這就像信號學里的「拉爾森效應」，它指的是，當信息輸入和輸出端口距離太近時，因信號循環(huán)而產(chǎn)生的嘯叫現(xiàn)象。

比如當你把麥克風靠近音箱時，麥克風拾取的信號會傳入音箱，而音箱發(fā)出的信號又會被麥克風拾取，如此反復，就導致信號不斷自我增強，從而產(chǎn)生嘯叫。

其實，今天的世界，每時每刻、各行各業(yè)都在嘯叫。

在這樣的世界中，「專注」會變得越來越有價值。

而且「專注」對于現(xiàn)在的創(chuàng)始人來說也愈發(fā)重要。人之所以會感到越來越心累，正是因為注意力分散造成了高能耗，而優(yōu)秀的創(chuàng)始人往往清楚自己應該在什么時間將注意力集中在哪里。

當大多數(shù)人把注意力放到別人身上、跟風行動時，如果你能夠靜下心來管理自己的注意力，專注感知這個世界，你會發(fā)現(xiàn)這個時代的機會恰恰在變多，而不是變少。

比如 2023 年，我們關注到具身智能時，市場上還沒有這個專有名詞，我們內(nèi)部對這個賽道也有質(zhì)疑的聲音。為了求證具身智能的市場空間，我們組織了一個小組出去調(diào)研了一圈，得到的市場反饋大多也是負面的。當時甚至有朋友跟我們說，他們在 15 年投的機器人項目一直都沒能退出，勸我們千萬不要進入這個天坑（笑）。

但這樣的市場反饋反而讓我們認定了這個方向是有機會的。因為很多事情其實早已在暗中發(fā)生了根本性的變化，只是因為沒人關注，所以還沒有得到應有的估值。

如果你能趕在別人前面注意到這樣的領域，那恭喜你，你就找到了屬于你的機會。

就像我認識的一位非常優(yōu)秀的創(chuàng)始人，他本碩博連讀于某領域最頂尖的學府。畢業(yè)后，出乎很多人意料的是，他選擇了一個極其冷門的底層研發(fā)方向去創(chuàng)業(yè)。

當時我非常意外，問他為什么要做這個方向？

他說：“因為我的起步條件不算好，所以要找到一個不受關注、不需要跟別人卷資源、但未來 5-10 年有機會重大突破的領域。關注這個方向的人越少越好，因為只有這樣，才有屬于我的時間和機會?！?/p>

我又追問：“但你知道嗎？你選擇的這個方向還受政策限制，國家都沒有發(fā)放過相關牌照。”

他回答：“我知道。但就是因為沒人做，所以科技沒有突破，國家不發(fā)牌照。我賭我做了之后，國家早晚會發(fā)牌照?！?/p>

于是，這位創(chuàng)始人和不到十個人的團隊，埋頭研發(fā)了整整 7 年。

到了 2023 年，國家終于發(fā)放了第一批牌照，全球僅有四張，其中就有他的一張，且他們的成本大幅低于全球其他公司。

所以，大部分人類的博弈，歸根結(jié)底都是注意力的博弈。

今天無論是創(chuàng)業(yè)者還是投資者，如果想拿到想要的結(jié)果，一件非常重要的事情就是管理自己的注意力。你的注意力在哪里，你的世界就會在哪里顯化。因為世界并非一個客觀存在的實體，而是我們在感知和處理信息之后所渲染出來的結(jié)果。換句話說，沒有所謂的客觀世界，只有被我們所感知到的世界。

那具體要怎么拿結(jié)果呢？

很簡單，就是要明確自己的需求。濾波器是一種目標越清晰、能耗越低的裝置，所以你的需求越明確、你的注意力越專注，實現(xiàn)需求也就越容易。

進一步來講，就是要認識自己、做自己。

這說起來很簡單，但大家真的做起來往往會遇到兩個問題：

第一，很多人其實并不了解自己，只是一味地在用他人的評價或者市場反饋來給自己貼標簽。他們根本不清楚自己到底喜歡什么，或者總覺得自己喜歡的東西估值不夠高、不符合世俗意義上的成功，所以不夠高級。但其實你喜歡什么，什么就是高級的。

第二，很多人認識自己之后卻不敢做自己，因為不相信這樣做真的會有好的結(jié)果，于是更希望改變自己，向主流敘事、向他人的長板看齊。

回到 AI，就像開頭所說，人類一直在利用技術(shù)幫助 AI 構(gòu)建注意力機制，使其具備抓住重點和專注于重點的能力。

引入注意力機制后，AI 的能力確實實現(xiàn)了飛躍，它能夠勝任的工作范圍也在不斷擴大。我們相信，AI 還將持續(xù)取得突破。人工智能在幾乎所有工作中超越人類只是時間問題，而且這個過程不會太久。

因為人類實際上是非常局限的。這種局限性不僅僅體現(xiàn)在大腦的處理能力上，也體現(xiàn)在我們感知世界的能力上。

大家知道，眼睛可以看到圖像，耳朵可以聽到聲音，皮膚可以感受到壓力、溫度和濕度。

毫無疑問，人類是一個多模態(tài)的大模型。

那么，是否存在一個維度能夠統(tǒng)一圖像、聲音、氣味、溫度等不同模態(tài)輸入的信息呢？

我們可以換個視角來討論這個問題。假設信息是一個函數(shù)，我們在中分享過，任何函數(shù)都可以通過傅里葉變換分解為不同正弦波的疊加，而每一個正弦波都對應著一個穩(wěn)定的頻率。例如，吉他的每根弦對應著一個頻率，也對應著一個聲音信息。當我們對弦施加不同的壓力時，頻率會發(fā)生改變，聲音信息也隨之改變。

所以頻率可以簡單理解為一個正弦波每秒變化的次數(shù)，例如，心臟在一分鐘內(nèi)跳動 60 次，那么它的頻率就是 1Hz；而運動后，心跳變?yōu)?120 次/分鐘，此時心臟的頻率就是 2Hz。

不同的信息都可以在頻率這個維度上進行統(tǒng)一。例如，可見光的頻率大約是 10^15Hz，而聲音和氣味的頻率則不超過 10^4Hz。

頻率跨度從低到高范圍很廣，我們把這個范圍稱為頻譜。

而不同生物的感知頻譜是不一樣的。例如狗的嗅覺頻譜就比人的更寬，因此它們可以獲取更多的氣味信息。

其實，人和人之間的感知頻譜也存在很大差異。有些人天然頻譜更寬或者感知顆粒度更高，也就是我們所說的更敏感。所以我們也不要妄加評判另一個人，特別是不應該評判那些高敏感個體，因為他們的世界可能是我們完全無法感受到的。

那我們將常見的頻譜畫出來，就可以看到，人類能夠感知的部分其實是非常有限的。

圖中橫向的坐標軸表示人類已知的電磁波頻譜，彩色標注的部分是人類能夠感知到的感官和模態(tài)。后者僅占前者的1/10^9。

正是由于這種有限，我們也一直在努力拓展對頻譜的感知和存儲能力。

我們發(fā)明了核磁共振、X光機、氣象雷達、引力波探測器等工具，以輔助我們感知那些遠超人類生理極限的信息頻段。同時，我們還通過跨模態(tài)的方式記錄不同模態(tài)的信息。比如，我們發(fā)明了樂譜，用圖像存儲聲音信息，實現(xiàn)跨模態(tài)的信息存儲。

然而，這些方法本質(zhì)上都是對信息的影射，也就是將其他頻段的信息轉(zhuǎn)化為我們能夠感知的信息。在這個過程中存在大量的信息損耗，因此也具有很大的局限性。

這時我們再來看 Agent，你們不覺得 Agent 強的可怕嗎？

因為理論上來說，Agent 可感知的頻譜是無限的。

今天我們講的多模態(tài)大模型，其實也才剛剛起步?，F(xiàn)在我們只有語言模型、語音模型、圖像模型和視頻模型等，但未來完全有可能出現(xiàn)觸覺模型、溫度模型、氣味模型等全頻譜模型。

從這個角度出發(fā)，我們不認同「數(shù)據(jù)不夠了」這種觀點。有人認為我們已經(jīng)用盡了互聯(lián)網(wǎng)上所有可用的圖文、音頻、視頻數(shù)據(jù)，但這些數(shù)據(jù)僅僅是人類能夠感知并記錄下來的三種模態(tài)。X 光的數(shù)據(jù)我們用過嗎？伽馬射線呢？大腦中的 α 波呢？

這個世界每天都以各種方式產(chǎn)生大量數(shù)據(jù)，只是很多數(shù)據(jù)我們無法感知，因此未能很好地加以利用，甚至還沒有創(chuàng)業(yè)者思考如何使用它們。

再往后發(fā)展，我們相信未來會迎來一波傳感器的爆發(fā)。各種各樣的傳感器將被制造出來，用來幫助 Agent 感知從伽馬射線、X 光到紅外線等所有人類無法感知的頻段。然后，Agent 會憑借它的全頻譜處理能力解讀這些數(shù)據(jù)，并通過語言模型將不同模態(tài)的信息整合起來，最后通過具身智能付諸行動。

最終，我們相信未來的 AI 將是「傳感器 + Agent + 具身智能」三位一體的系統(tǒng)。它所能感知的世界將超出我們的想象。而這個系統(tǒng)應該運行在區(qū)塊鏈、而非傳統(tǒng)的互聯(lián)網(wǎng)上。換句話說，區(qū)塊鏈未來將是 Agent 的互聯(lián)網(wǎng)。

基于這種相信，今天很多創(chuàng)業(yè)項目的方向可能就不對。

很多項目現(xiàn)在依然是「以人為中心」來組織工作。無論是 copilot 還是 deep research，都是試圖通過各種方式讓 AI 來賦能人類。

但面對一個可能具備全頻譜的感知、處理，和行動能力的信號系統(tǒng)，我們應該思考的是如何「以 AI 為中心」來組織工作。

我們不應該把重點放在「如何把 AI 融入我們的工作流」上，而應該反過來思考「我們能怎么融入 AI 的工作流」，以及「我們能為 AI 提供什么」。

那講到這里，大家可能會有一個問題：如果 Agent 知道得比我多、算得也比我快，那人類在未來是不是就毫無用處了？

不是。人類有兩個獨特的價值。

第一，提出需求。

如果說工業(yè)革命是「誰創(chuàng)造供給、誰就創(chuàng)造價值」，那么人工智能時代將是「誰創(chuàng)造需求、誰就創(chuàng)造價值」，因為人工智能時代的供給將趨近于無限。所以我們今后要更多地認識自己、探索自己、了解自己，明確自己要解決哪些問題。

第二，審美。

審美首先是我們?yōu)榱斯?jié)約大腦算力而進化出的一種預測算法。我們通常會對新信息進行預判，然后僅對「變化」——也就是與我們預判不一致的部分進行計算，而不會對全局信息進行計算。

我們常說有些科學家很有技術(shù)審美，指的就是他們能夠在技術(shù)路徑尚不明確時，憑借「感覺」找到正確的方向。這種能力其實是長期實踐與積累的結(jié)果。

然而，這種節(jié)能機制也有副作用。尤其是在創(chuàng)業(yè)者中，很多人都有一種被稱為「Wishful Thinking」的思維方式，美其名曰「理想主義」。但實際上，「Wishful Thinking」是一種懶惰，是你的大腦發(fā)現(xiàn)「變化」時，本該重新計算、卻不愿意重新計算一遍，進而渲染出的偏執(zhí)錯覺。從這個角度來看，「實事求是」就是一種勤奮。

另外，審美不僅僅是一種算法，它還是超越單一模態(tài)的處理結(jié)果。比如，你遇到一個合伙人，Ta 和你聊得很好，Ta 的思維也非?？b密，但你就是感覺哪里不對。這種「感覺不對」可能并非來自于意識層面的分析，而是你整合了觸覺、嗅覺等多模態(tài)信息后形成的一種綜合感受。

如果某樣事物能令我們產(chǎn)生「美」的感受，通常意味著它會帶來正反饋，反之則可能意味著危險。比如，我們覺得笑容很美，是因為笑容往往代表善意與接納。而我們下意識地躲避一個面相兇殘的人，則是因為我們會直覺性地察覺到對方的暴力傾向。

人類之所以會發(fā)展出審美，正是因為我們的感知和處理能力有限，因此需要審美來幫助我們趨利避害。而這種審美可能超越了多模態(tài)的處理結(jié)果，甚至超越了二元對立，成為某種一體性的影射。

而 AI 卻因為它的無限性，所以不具備審美。這也意味著，在 AI 時代，審美將成為人類所能擁有的核心價值。

所以每一個人都應該思考：你對什么事物的審美明顯高于他人？這個事物可以是任何形式，比如藝術(shù)、代碼、機械結(jié)構(gòu)。只要你對某個事物的美有著超越平均水平的判斷和表達，那么你就擁有了在 AI 時代最稀缺的能力。

今天我們聊了很多關于人的「有限」和 AI 的「無限」，看似人在面對 AI 時有諸多劣勢，但實際上，恰恰是人類的有限性，促使我們進化出了注意力、主觀預判、審美這些獨特的能力，也讓我們有動力將有限的人生活出無限的精彩。

你可以想象一下，如果你擁有無限的資源和資金，你還會想要創(chuàng)業(yè)嗎？大概率不會了。你可能會拍拍合伙人的肩膀說：「去玩吧，我們什么都不缺」。就好比如果你打游戲時開了外掛，那么這個游戲一下子就會變得索然無味。

所以，在 AI 時代，我們要做好兩件事。

首先是保護好自己的「心力」。心力的強弱直接決定了我們注意力的表現(xiàn)。如果說工業(yè)革命讓人類的核心價值從體力轉(zhuǎn)變?yōu)橹橇?，那么我們相信，AI 會讓人類的核心能力從智力轉(zhuǎn)變?yōu)樾牧Α?/p>

其次是回歸審美。這個回歸的過程，本質(zhì)上就是一個去除噪聲的過程，也是人類展現(xiàn)個體的獨特價值的過程。我們需要把注意力重新放到自己身上，相信自己的直覺和判斷，而不是依賴他人的信息和行動。

這些年，我們聊了很多創(chuàng)業(yè)者，最后發(fā)現(xiàn)，真正優(yōu)秀的創(chuàng)始人未必比他人更聰明或更勤奮，但他們總能在最艱難的時刻選擇堅持，在最輝煌的時刻保持平和、克己，在最進退維谷的時刻展現(xiàn)出勇氣與堅韌。

以上，和大家共勉，愿我們都能在 AI 時代保持自己的生命力，不斷進化，成為一個有審美、有定力的個體。

P.S. 綠洲資本最近也發(fā)布了他們自己的播客《信號與噪聲》，希望在這個信息紛雜的社會中，和充滿生命力的個體一起去除噪聲，回歸純粹，感興趣的也歡迎關注。

【張津劍 | 信號與噪聲系列文章回顧】

2024.6.2

2023.6.18

2021.3.14

2020.2.23

2018.12.2

42章經(jīng)

思考事物本質(zhì)